结构网格自适应（SAMR）——一种高效的多尺度问题解决方案
在数值模拟中，网格扮演着关键角色，其类型和质量直接关乎精度和效率。理想情况下，精细网格能减小截断误差，但正交性、斜率匹配物理场以及生成难易程度等因素同样重要。随着需求的提升，网格生成效率低、多尺度特征捕捉和处理器适配等问题愈发突出。
问题一，网格生成效率低是模拟行业面临的普遍难题。报告显示，无论公司规模大小，网格生成都耗费大量时间，且随着精度提高，所需网格数量激增，自动化和大规模并行化成为必然趋势。问题二，物理问题的多尺度特性要求网格能自适应加密关键特征，如流体力学中的激波区域，结构力学的应力集中点。然而，实时判断和适应这些特征对网格提出了挑战。
处理器的演进也对传统网格计算带来挑战。处理器架构的复杂性使得基于非结构网格的程序面临数据结构和算法设计的复杂任务，以及内存带宽限制。而SAMR，即结构网格自适应，通过结构化的网格块自适应加密，解决了这些问题。
SAMR的优势在于其自动生成能力，简化了前处理，以及在保持局部结构化的前提下，高效地进行自适应加密。它能利用网格更集中，减少几何描述数据，适应不同硬件配置，提升计算效率。神工坊团队的SAMR框架，基于octree的多层分块网格，提供了如网格自动生成、自适应加密、动态负载均衡等功能，简化了开发者的工作。
以潜艇绕流算例为例，采用LBM方法，2亿网格在2000进程中仅用不到十分钟生成，通过SAMR加密，对比均匀网格，能显著减小网格量。框架已实现基本功能，未来将继续优化和扩展支持。
上一篇：格栅计算草图如何制作
下一篇：孔明表是什么意思
多重随机标签